计及需求响应的数据中心联盟共享储能规划_吴云芸.pdf

Vol.47 No.7 Apr.10,2023第 47卷 第 7期 2023年 4月 10日计及需求响应的数据中心联盟共享储能规划吴云芸，方家琨，艾小猛，崔世常，薛熙臻，文劲宇（强电磁工程与新技术国家重点实验室（华中科技大学），湖北省武汉市 430074）摘要：为避免数据中心单独配置储能出现储能利用率低、经济效益差等问题，提出一种计及需求响应的数据中心联盟共享储能规划方法，能够考虑不同场景下各数据中心对储能需求的差异性和互补性，在降低储能投资成本的同时发挥储能最大效能。首先，提出了数据中心联盟共享储能运营模式，包括不同场景间共享储能使用容量分配、成本分摊和基于纳什议价的利益分配方法，保障联盟内各个体的利益。其次，考虑批处理负荷、机房空调参与需求响应，建立数据中心房间级能量管理模型，结合共享储能配置约束，以联盟集体利益最大化为目标，构建计及需求响应的数据中心联盟共享储能规划模型。为使得规划结果能够应对多种运行场景，提出共享储能规划场景集选取方法。最后，设置了 4个对比算例验证所提方法的有效性。关键词：共享储能；容量配置；需求响应；数据中心联盟；场景分析法0 引言作为中国“新基建”七大领域之一，数据中心产业正在飞速发展，截至 2021 年底，考虑标准机架为2.5 kW，中国在用数据中心机架规模达到 520万架，近 5 年年均复合增速超过 30%1。同时，新冠疫情的持续也使得企业和个人对线上业务的需求增加。数据中心机架规模的急剧攀升和承载业务的持续增长，伴随而来的是高能耗、高电能成本问题。如何降低数据中心日益增长的电能成本，是其可持续发展面临的问题与挑战。2021年 7月，国家发改委发布 国家发展改革委关于进一步完善分时电价机制的通知2以引导用户节约用电、避峰错峰。数据中心的数据负荷可根据对响应时间要求的不同分为交互式负荷和批处理负荷，其中交互式负荷需要即时处理，而批处理负荷作为一种可时移负荷，能够延迟或转移处理来调整数据中心的电能需求，从而响应分时电价3，即在电价峰段时尽可能少处理批处理负荷，将其延迟到电价平段或谷段处理，从而减少电价峰段时的电能需求，提升数据中心运行经济性。文献 4 考虑数据负载迁移代替电能在电网中转移，提出了负荷转供与数据中心需求响应（demand response，DR）协同管控城市电网的双层优化模型。文献 5 建立一种考虑托管式数据中心负荷调节不确定性的区间优化模型，通过在紧急需求响应时段关停部分服务器来削减负荷。文献 6 考虑数据中心负载调度的灵活性，研究了放松管制下的电力市场中的需求响应计划。上述研究主要针对信息技术（IT）设备方面，考虑批处理负荷的延迟、迁移处理及关停服务器来参与需求响应，而没有挖掘数据中心机房空调参与需求响应的潜力。数据中心机房空调的能耗主要受到空调制冷量的影响，在保证服务器正常运行的前提下，结合分时电价调整空调制冷量，也能够优化电价峰段数据中心的电能需求。除了利用数据中心内的基础设施参与需求响应来降低电能成本，数据中心也可配置储能来进行能量管理7。文献 8 提出了一种考虑数据中心中多类型储能和批处理负荷协调运行的实时能量管理方法，保证在随机环境下数据中心的运行经济性。然而，数据中心单独配置储能可能会出现储能装置利用率低、用户投资经济效益不理想等问题9。近年来，随着国家对数据中心集约化、规模化、绿色化发展的支持10和基于共享经济的共享储能商业模式的发展11-12，数据中心集群共建共享储能为提升数据中心经济效益提供了新的思路。其原理是利用不同数据中心用户对储能需求的互补性来提高储能利用率和降低系统运行成本，是一种经济、高效、绿色低碳的运营模式。在共享储能运行方面，文献 13 通过优化各工DOI：10.7500/AEPS20220725003收稿日期：2022-07-25；修回日期：2022-10-12。上网日期：2022-12-12。国家电网有限公司总部管理科技项目（5419-202199551A-0-5-ZN）；国家自然科学基金资助项目（52177088）。42吴云芸，等 计及需求响应的数据中心联盟共享储能规划http：/www.aeps-业用户使用共享储能充放电的功率，以实现用户群日运行成本最优。为了更好地提高能源利用效率和降低电能成本，文献 14 提出了一种同时考虑能量容量和功率容量的储能共享框架。在共享储能配置方面，文献 15 考虑共享储能成本和储能平抑功率波动之后净负荷情况，提出多微电网共享储能的多目标优化配置及其成本分摊方法。文献 16 建立了多个售电公司共享储能的优化配置模型，并基于售电公司贡献度进行利益分配。共享储能规划和运行会涉及多主体利益分配问题，有效的再分配机制的设计是合作成功的关键17。文献18-19均采用Shapley 值法对多主体联合运营效益进行再分配。目前，在共享储能优化运行和配置方面虽然已有很多成果，但是现有研究主要针对某一场景下储能功率在时段间的共享，而鲜有研究考虑储能在不同场景间的共享，利用各用户在不同运行环境下对储能资源需求的差异性和互补性进行共享储能规划，最大化共享储能效能。基于以上分析，本文提出一种充分考虑 IT 设备和机房空调参与需求响应潜力的数据中心联盟共享储能规划方法。首先，研究数据中心联盟共享储能运营模式，提出场景间共享储能容量分配、成本分摊模型和基于纳什议价的利益分配方法以确保各数据中心用户的利益。然后，建立计及需求响应的数据中心联盟共享储能规划模型，综合考虑共享储能规划和数据中心联盟运行两个方面，在规划阶段确定共享储能容量，在运行阶段，根据不同运行场景下各数据中心对储能的不同需求进行共享储能功率容量和能量容量分配，并分别考虑机房空调和 IT 设备参与需求响应的方式对每个数据中心建立房间级能量管理模型以更精细地管理电能。最后，通过算例分析验证了所提共享储能规划方法和数据中心能量管理模型的有效性。1 数据中心联盟共享储能运营模式1.1数据中心联盟共享储能运营框架本文研究的数据中心联盟共享储能运营框架如图 1 所示，包括若干数据中心、共享储能设备、市电等。每个数据中心可由自建风电和光伏、市电和共享储能供电，其能耗主要来自 IT设备和机房空调。由于风电、光伏出力具有间歇性和波动性，各数据中心的用户请求在时间上也具有差异性，各数据中心内部的供需平衡情况随时间变化，其对储能的需求也随之变化。例如，在新能源低出力而用户请求量大的场景下，为了少购买电价峰段的市电，数据中心需要较大容量的储能以实现电能在时间上的转移；而在新能源高出力场景下，数据中心对储能的需求大大减少。如果数据中心单独配置储能，可能会导致在某些场景下储能资源短缺而某些场景下储能资源闲置的问题。这也为多数据中心共建共享储能提供了充足的机会：多个数据中心可以组成数据中心联盟，共同投资建设储能设备，根据不同运行场景下各数据中心对储能需求的差异性和互补性重新进行容量分配，提高储能设备的利用率，同时也提升了各数据中心的运行经济性。1.2数据中心联盟共享储能使用容量分配与成本分摊模型在数据中心联盟共建共享储能模式下，本文考虑一天作为调度运行周期，在每个调度运行周期进行一次共享储能的容量分配，各数据中心能够根据自身需求获得一定功率容量和能量容量的储能使用权：n=1NDCPBS，n，s PmaxBS（1）n=1NDCEBS，n，s EmaxBS（2）式中：PBS，n，s和EBS，n，s分别为场景 s下数据中心 n分配到的储能功率容量和储能能量容量；PmaxBS和EmaxBS分别为投资建设的共享储能功率容量和能量容量；NDC为联盟中数据中心的个数。在确定各数据中心在某个场景下获得的储能使用权之后，可分别根据他们对储能功率容量和能量容量的使用比例进行成本分摊：CP，n，s=PBS，n，s=1NDCPBS，s(1+)TLTPPmaxBS365(1+)TLT-1（3）信息流;能量流市电共享储能用户请求机房数据中心N用户请求机房数据中心1风电光伏服务器群机房空调储能单元储能单元储能单元储能单元服务器群机房空调风电光伏图 1数据中心联盟共享储能运营框架Fig.1Operation framework of shared energy storage for data center alliances432023，47（7）学术研究 CE，n，s=EBS，n，s=1NDCEBS，s(1+)TLTEEmaxBS365(1+)TLT-1（4）式中：CP，n，s和CE，n，s分别为场景 s 下数据中心 n 需要分摊的储能功率容量成本和能量容量成本；为折现率；TLT为储能设备的设计使用寿命；P和E分别为储能设备的单位功率容量成本和单位能量容量成本。1.3数据中心联盟共享储能利益分配方法为了保证数据中心联盟的长期稳定合作，需要对数据中心联盟获得的利益进行合理分配，本文采用纳什议价20的方法将联盟获得的利益分配至各数据中心：max nNDC(CDC，n，0-CDC，n)s.t.CDC，n CDC，n，0（5）CDC，n=CDC，n-n（6）CDC，n=ps()t=1TtPbuy，t，n，s+CP，n，s+CE，n，s（7）式中：CDC，n，0为数据中心 n单独配置储能时的综合成本；CDC，n和CDC，n分别为数据中心联盟共建共享储能模式下数据中心 n 议价后和议价前的综合成本；n为议价后数据中心 n 从联盟处获得的补贴；ps为场景 s出现的概率；t为 t时段电网电价；Pbuy，t，n，s为场景s 下数据中心 n 在 t 时段从电网购买的电能；T为总时段数。议价的目标是使得联盟所得收益公平合理地分配到各数据中心，则议价前后数据中心联盟的总收益应保持不变：n=1NDCn=0（8）2 计及需求响应的数据中心联盟共享储能规划模型为综合考虑共享储能规划和不确定环境下的数据中心联盟运行两个方面，计及需求响应的数据中心联盟共享储能规划模型被建立成一个两阶段随机优化模型。第 1 阶段确定共享储能的容量，第 2 阶段在新能源出力、数据负荷、环境温度不确定的情况下，进行数据中心联盟的运行，如图 2 所示。具体地，第 1 阶段约束为共享储能配置约束，第 2 阶段约束为考虑需求响应的机房空调能耗约束、考虑需求响应的 IT 设备能耗约束、共享储能使用容量分配约束和其他约束。共享储能使用容量分配约束已在1.2节介绍。2.1目标函数所提共享储能规划模型以数据中心联盟的集体利益最大化为目标，即考虑数据中心联盟的储能投资成本与各数据中心的购电成本之和最小，如式（9）所示。为实现联盟集体利益最大，在各运行场景下，共享储能容量将能实现更经济的分配方案。min f=(1+)TLT365(1+)TLT-1(PPmaxBS+EEmaxBS)+s=1NSpsn=1NDCt=1TtPbuy，t，n，s（9）式中：NS为总场景数。2.2共享储能配置约束共享储能配置约束用于确定数据中心联盟投资的储能设备容量。共享储能容量过大，可能导致储能资源利用率低、经济效益低；共享储能容量过小，数据中心调度运行的优化空间有限。0 PBS PmaxBS（10）EBS=TBSPBS（11）式中：PBS和EBS分别为规划的共享储能功率容量和能量容量；TBS为共享储能充放电时长。2.3考虑需求响应的机房空调能耗约束与用 PUE 表示的制冷系统模型21和经拟合得到的经验模型22不同，所提考虑需求响应的机房空调能耗模型能够考虑到 IT 设备的热效应和环境温度对机房空调能耗的影响，且能够在电价非高峰时段进行预冷却（大量制冷以降低机房温度），从而减少电价高峰时段的空调功耗。2.3.1机房温度约束根据一阶等效热参数模型23可得到时段首末温度变化关系：第1阶段:共享储能规划共享储能容量储能投资成本容量分配第2阶段:典型场景下数据中心联盟运行数据中心联盟运行成本单位功率/能量成本目标:集体利益最优共享储能容量场景1场景s场景SIT设备变频空调新能源分配的共享储能分时电价电网购电数据中心;电;冷;热图 2两阶段随机优化模型结构Fig.2Structure of two-stage stochastic optimization model44吴云芸，等 计及需求响应的数据中心联盟共享储能规划http：/www.aeps-Tin，t+1，i，n，s=Tout，t，n，s-Qt，i，n，sR-(Tout，t，n，s-Qt，i，n，sR-Tin，t，i，n，s)e-tRC（12）Qt，i，n，s=Qco，t，i，n，s-PIT，t，i，n，s（13）Tmintemp Tin，t，i，n，s Tmaxtemp（14）式中：Tin，t，i，n，s为场景 s下数据中心 n的机房 i在 t时段的室内温度；Tout，t，n，s为场景 s 下数据中心 n 在 t时段环境温度；R和C分别为空调负荷的等效热阻和等效热容；Qt，i，n，s为场景 s下数据中心 n 的机房 i在 t时段的制冷量；Qco，t，i，n，s为场景 s下数据中心 n 的机房 i内变频空调在 t时段的制冷量；为服务器热量与功耗的比值；Tmaxtemp和Tmintemp分别为保证数据中心正常运行的机房温度的上、下限，美国采暖、制冷和空调工程 师 协 会（ASHRAE）建 议 机 房 温 度 维 持 在 1827 24；PIT，t，i，n，s为场景 s下 t时段数据中心 n的机房i内 IT设备能耗。2.3.2机房空调能耗约束考虑机房空调为变频空调23，则空调功耗与空调制冷量关系为：Pco，t，i，n，s=k1k2Qco，t，i，n，s+k2l1-k1l2k2（15）0 Pco，t，i，n，s Pmaxco（16）Pco，t，n，s=i=1Nroom，nPco，t，i，n，s（17）式中：k1、k2、l1、l2为常系数；Pco，t，n，s和Pco，t，i，n，s分别为场景 s下数据中心 n在 t时段的空调总功耗和数据中心 n 所属机房 i 在 t 时段的空调功耗；Pmaxco为机房空调的额定功耗；Nroom，n为数据中心 n的机房数量。2.4考虑需求响应的 IT设备能耗约束考虑需求响应的 IT 设备能耗模型主要根据电网电价的波动调整各时段批处理负荷的执行量，以降低电价峰段时的电力需求，其约束包括服务等级协议约束、数据中心容量与服务器数量约束、CPU利用率约束和 IT设备能耗约束。2.4.1服务等级协议约束考虑即时处理交互式负荷，t时段数据中心 n处理的数据负荷：t，n，s=at，n，s+dt，n，s（18）式中：t，n，s为场景 s 下数据中心 n 在 t 时段处理的数据负荷；at，n，s为场景 s 下 t 时段到达数据中心 n 的交互式负荷；dt，n，s为场景 s 下数据中心 n 在 t时段处理的批处理负荷。当前时段到达而未被处理的批处理负荷将按时间顺序排列在队列中：qt，n，s=Bt，n，s-Dt-1，n，s=1tb，n，s-=1t-1d，n，s（19）式中：qt，n，s为场景 s 下数据中心 n 中 t 时段队列中待处理的批处理负荷；b，n，s为场景 s下时段到达数据中心 n的批处理负荷；Bt，n，s和Dt-1，n，s分别为场景 s下t时段及之前到达数据中心 n的批处理负荷之和、场景 s下 t时段之前数据中心 n处理完成的批处理负荷之和。为保证批处理负荷在最大允许延迟时间Tmaxtole内处理完成，则Bt-(Tmaxtole-1)，n，s Dt，n，s Bt，n，s（20）2.4.2数据中心容量与服务器数量约束0 t，n，s Un（21）0 mt，i，n，s-Mn（22）Un=-MnNroom，nF（23）式中：Un为数据中心 n 的容量；-Mn为数据中心 n 每个机房的服务器数量；mt，i，n，s为场景 s 下数据中心 n的机房 i 在 t 时段激活的服务器数量；F为服务器容量。2.4.3CPU 利用率约束CPU 利用率考虑一定的容量裕度：ut，n，s 1-（24）ut，n，s=t，n，sFi=1Nroom，nmt，i，n，s（25）式中：ut，n，s为场景 s 下 t 时段数据中心 n 中激活服务器的 CPU 利用率；为服务器的容量裕度。2.4.4IT设备能耗约束PIT，t，i，n，s=mt，i，n，s pidle+(ppeak-pidle)ut，n，s （26）PIT，t，n，s=i=1Nroom，nPIT，t，i，n，s（27）式中：PIT，t，n，s为场景 s下 t时段数据中心 n 的 IT 设备总能耗；pidle和ppeak分别为服务器的空闲功耗和峰值功耗。2.5其他约束2.5.1储能运行约束储能运行约束包括充放电功率约束（式（28）和式（29）、充放电状态约束（式（30）、能量水平约束（式（31）和式（32）和末能量水平约束（式（33）。0 Pdis，t，n，s Zdis，t，n，sPBS，n，s（28）0 Pch，t，n，s Zch，t，n，sPBS，n，s（29）0 Zch，t，n，s+Zdis，t，n，s 1（30）EBS，t+1，n，s=EBS，t，n，s+BSPch，t，n，s-Pdis，t，n，sBS （31）0.1EBS，n，s EBS，t，n，s EBS，n，s（32）EBS，T，n，s=EBS，0，n，s（33）式中：Pdis，t，n，s和Pch，t，n，s分别为场景 s 下 t 时段数据中心 n的储能放电功率和充电功率；Zdis，t，n，s和Zch，t，n，s分452023，47（7）学术研究 别为场景 s下 t时段数据中心 n的储能放电状态和充电状态；EBS，t，n，s为场景 s 下 t时段数据中心 n 的储能能量水平；BS为储能充放电效率。2.5.2功率平衡约束在各数据中心内，每个时段的电能供应和电能消耗应相等：PIT，t，n，s+Pco，t，n，s+Pch，t，n，s=Pwind，t，n，s+Psolar，t，n，s+Pdis，t，n，s+Pbuy，t，n，s（34）Pwind，t，n，s Pawind，t，n，s（35）Psolar，t，n，s Pasolar，t，n，s（36）式中：Pwind，t，n，s和Psolar，t，n，s分别为场景 s 下数据中心 n在 t 时段实际使用的风电和光伏出力；Pawind，t，n，s和Pasolar，t，n，s分别为场景 s 下 t 时段数据中心 n 风电和光伏的实际发电情况。3 共享储能规划场景集选取新能源出力、数据负荷、环境温度的不确定性会使得不同时段运行状态差异较大，从而导致数据中心对储能的需求差异较大，因此，需要在规划中考虑运行场景的多样性25。本文以新能源站的年历史出力数据作为原始数据，分别采用考虑持续时间与波动特性的马尔可夫链-蒙特卡洛法26进行风电功率的场景生成和基于向量自回归模型的时间序列生成方法27进行光伏出力的场景生成，从而对可能出现的新能源出力场景进行模拟。考虑到数据负荷具有较强的每日模式28，采用不同数据负荷的典型日曲线29进行蒙特卡洛生成来描述数据负荷的随机性。然而，场景生成获得大量的场景将导致计算规模大、求解困难等问题。为减轻计算负担，采用同步回代消除法30对场景生成获得的新能源、数据负荷场景集和温度历史数据进行场景削减，获得 10个有代表性的场景和其出现的概率，如表 1所示。4 算例分析4.1算例设置基于图 1所示结构，考虑地理位置相近的 3个数据中心组成数据中心联盟，本文参考文献 31 中某实际数据中心规模，假定数据中心 1、2、3 内机房数量为 12、12、16，每个机房有 20 个机柜，每个机柜可放 20台服务器，每台服务器的峰值功耗和空闲功耗分别为 0.2 kW、0.12 kW，数据中心 1、2、3 内批处理负荷占总数据负荷的 40%、50%、60%。各数据中心有自建风电场装机 1 MW 和光伏站装机 800 kW。本算例中，数据中心联盟可配置 02 MW6 h 的储能，储能的单位功率成本为 3 500 元/kW、单位容量成本为 350 元/（kWh）32，设计使用寿命为 10 a，充放电效率为 0.9，折现率为 8%15。市电分时电价采用 2022 年 2 月深圳执行的分时电价价目33，如附录 A图 A1所示。为分析本文所提共享储能规划方法的有效性和优越性，根据储能建设模式和是否参与需求响应设置 4个对比方案：方案 1：各数据中心单独配置储能，且不参与需求响应；方案 2：各数据中心单独配置储能，且参与需求响应；方案 3：数据中心联盟共建共享储能，且不参与需求响应；方案 4（本文所提方案）：数据中心联盟共建共享储能，且参与需求响应。本 文 在 MATLAB 平 台 进 行 仿 真 计 算，通 过YALMIP 工具箱调用商业求解器 Gurobi 求解所涉及的优化问题，考虑优化误差为 0.01%。4.2算例分析各方案下储能配置结果和成本情况如表 2 所示。可见，方案 4 下数据中心综合成本最低。比较方案 1 和方案 3（或方案 2 和方案 4）可以看到，与各数据中心单独配置储能相比，数据中心联盟共建共享储能模式下配置的储能容量略多，但其购电成本显著下降，说明数据中心联盟配置共享储能后对储能的利用率更高。比较方案 1和方案 2（或方案 3和方案 4）可以看到，考虑数据中心参与需求响应后，数据中心对储能的需求大大减少，数据中心综合成本降低。表 1场景削减后各场景出现的概率Table 1Appearance probability of each scenario after scenario reduction场景12345概率0.087 40.087 40.087 40.082 00.087 4场景678910概率0.112 10.174 90.109 30.084 70.087 4表 2各方案下优化结果Table 2Optimization results of each scheme方案1234储能装机/kW1 285.6798.01 310.1808.5储能日化投资成本/元2 938.91 824.22 994.91 848.3日化电网购电成本/元6 983.57 190.76 704.16 941.1日化综合成本/元9 922.49 014.99 699.08 789.446吴云芸，等 计及需求响应的数据中心联盟共享储能规划http：/www.aeps-为进一步分析数据中心联盟共享储能模式对提高储能利用率的原因和对各数据中心综合成本的影响，计算方案 2 和方案 4 在各数据中心综合成本如表 3所示，并绘制方案 4下各场景下数据中心对储能功率容量和能量容量的使用情况如图 3 所示。表 3中，纳什议价前，共建共享储能模式下各数据中心综合成本均低于其单独配储能时，但与单独配置储能相 比，参 与 联 盟 后 数 据 中 心 1 的 综 合 成 本 降 低28.1 元、数据中心 3 的综合成本降低 123.3 元，则不同数据中心参与联盟后的获得的收益差距较大，利益分配不均衡。纳什议价后，数据中心 1 从联盟处获得补贴，综合成本进一步下降。因此，纳什议价能够在保证联盟集体利益的前提下，使得各数据中心获利更合理，从而提高各数据中心参与联盟的积极性。结合图 3 和表 3，以数据中心 3 为例，在场景 1、2、7、9 下，数据中心 3 对储能的功率容量需求超过200 kW，而在场景 6、10 下，数据中心 3 几乎不需要配置储能，则在不同运行场景下数据中心 3 对储能的需求差异较大，可见，若单独配置储能将会导致储能利用率低、经济效益低等问题。另外，数据中心 1 在场景 2 和场景 4 下需要的储能容量分别为 218 kW/1 860 kWh 和 412 kW/2 166 kWh，则说明在不同运行场景下数据中心对储能能量容量与储能功率容量比值的需求也有差异性。因此，数据中心联盟共享储能配置能够利用各数据中心在不同运行场景下对储能功率容量和能量容量需求的差异性和互补性，提升储能设备的利用率。为分析数据中心参与需求响应的具体效果，绘制方案 3 和方案 4 在场景 2 下数据中心 2 的批处理负荷执行情况和机房温度曲线分别如附录 A 图 A2和附录 A 图 A3（机房温度为该时段初的温度）所示。从附录 A 图 A1和附录 A 图 A2 可以看出，在电价上升前或电价下降后（如 t=10 h或 t=20 h），如果数据中心参与需求响应，则会尽可能多地处理批处理负荷，以避免在电价峰值时段（如 t=1112 h 或 t=1519 h）处理。对于机房空调，若数据中心不参与需求响应，则机房温度会保持在所允许的最高温度，如附录 A 图 A3（a）所示；如果数据中心参与需求响应，则机房空调会在电价峰值来临前大量制冷，使得机房温度降低，如附录 A 图 A3（b）所示，利用房间的热惯性，减少电价峰段空调的电能需求。方案 3 和方案 4 在场景 2 下数据中心 2 的电能供应和电能消耗情况如图 4和图 5所示。从图 4 中储能的运行情况不难看出，相较于方案 3（无需求响应），方案 4（有需求响应）在运行时对储能的需求更小，这是由于参与需求响应的批处理负荷和机房空调可看作广义储能，从而减少了对实体储能的需求。进一步地，结合附录 A 图 A2 和图5，方案 4在电价峰段（如 t=1519 h）处理的批处理负荷减少，则 IT 设备功耗减小，IT 设备产热也减小，由于场景 2环境温度普遍较低，机房空调只需少03691215182123-600-30003006009001 2001 500风电;光伏;电网购电;储能;风电(DR);光伏(DR);电网购电(DR);储能(DR)电能供应/kW时间/h00.20.40.60.81.01.21.41.6电价/(元(kWh)-1)电价图 4最佳电能供应Fig.4Optimal power supply010020030040050060012345678910功率容量/kW(a)共享储能功率容量使用情况场景编号12345678910(b)共享储能能量容量使用情况场景编号01 0002 0003 0004 0005 000能量容量/(kWh)数据中心1;数据中心2;数据中心3图 3各场景下共享储能最佳容量分配Fig.3Optimal capacity allocation of shared energy storage in each scenario表 3各数据中心综合成本Table 3Total cost of each data center方案24数据中心123123储能装机/kW431.5215.0151.5808.5储能投资成本/元986.4491.6346.2970.3537.7340.3从电网购电成本/元1 651.51 930.93 608.21 593.61 856.73 490.8综合成本/元议价前2 637.92 422.53 954.42 563.92 394.43 831.1议价后2 562.82 347.33 879.3472023，47（7）学术研究 量制冷甚至不制冷以满足机房温度要求，这使得数据中心在电价峰段的电能需求减少，数据中心购电需求、对储能的需求随之减少。因此，考虑数据中心参与需求响应后，能够减少数据中心运行时对储能的需求，从而降低储能投资成本和总成本，提升数据中心运行经济性。5 结语本文针对地理位置相近的多个数据中心，提出一种计及需求响应的数据中心联盟共享储能规划方法，能够在保障数据中心联盟集体利益最大化的同时确保联盟内各个体的利益。通过仿真分析，本文可得到如下结论：1）与数据中心单独配置储能相比，多个数据中心组成数据中心联盟进行共享储能规划，能够考虑到不同运行场景下各数据中心对储能功率容量和能量容量需求的差异性，根据需求在不同运行场景下重新进行共享储能的容量分配，从而更好地应对新能源出力、数据负荷的随机性，提高储能利用率和配置储能的经济效益。通过纳什议价合理分配各数据中心获得的利益后，数据中心 1、2、3 日化综合成本分别降低 2.8%、3.1%、1.9%，各数据中心的综合成本均低于其单独配置储能时的综合成本，数据中心参与共建共享储能具有更高的经济效益。2）考虑数据中心参与需求响应后，数据负荷中的批处理负荷和机房空调可视作广义储能，能够结合分时电价机制，通过延迟处理批处理负荷和机房空调的预冷却等方式，降低电价峰段时的电能需求，从而降低数据中心对实体储能的需求，提升数据中心运行经济性。目前，本文所探讨的主要是合作模式下多个数据中心共享储能规划问题，暂未考虑各数据中心利益冲突的情况，后续将继续研究非合作模式下多个数据中心共享储能运营机制。附录见本刊网络版（http：/www.aeps- 考 文 献1 中 国 信 息 通 信 研 究 院.数 据 中 心 白 皮 书（2022 年）R/OL.（2022-04-22）2022-06-14.http：/ Academy of Information and Communications Technology.Data center white paper（2022）R/OL.（2022-04-22）2022-06-14.http：/ 国家发展改革委.国家发展改革委关于进一步完善分时电价机制 的 通 知EB/OL.（2021-07-26）2022-06-14.https：/ Development and Reform Commission.Notice on further improvement of the time-of-use tariff mechanismEB/OL.（2021-07-26）2022-06-14.https：/ 高赐威，曹晓峻，闫华光，等.数据中心电能管理及参与需求侧资源调度的展望 J.电力系统自动化，2017，41（23）：1-7.GAO Ciwei，CAO Xiaojun，YAN Huaguang，et al.Energy management of data center and prospect for participation in demand side resource schedulingJ.Automation of Electric Power Systems，2017，41（23）：1-7.4 王晴，刘友波，黄杨，等.考虑数据中心需求响应的城市电网阻塞管理 J.电网技术，2020，44（8）：3129-3138.WANG Qing，LIU Youbo，HUANG Yang，et al.Congestion management of urban power grid considering demand response of data center J.Power System Technology，2020，44（8）：3129-3138.5 祁兵，曹望璋，李彬，等.考虑托管式数据中心负荷调节不确定性的区间优化模型 J.电网技术，2022，46（1）：39-49.QI Bing，CAO Wangzhang，LI Bin，et al.Interval optimization model considering uncertainty of load regulation for colocation data center J.Power System Technology，2022，46（1）：39-49.6 BAHRAMI S，WONG V W S，HUANG J.Data center demand response in deregulated electricity markets J.IEEE Transactions on Smart Grid，2019，10（3）：2820-2832.7 刘成运，孟超，景锐，等.A 级数据中心综合能源系统多目标优化设计和调度 J.电力系统自动化，2019，43（14）：136-142.LIU Chengyun，MENG Chao，JING Rui，et al.Multi-objective optimization design and scheduling of integrated energy system in A-level data center J.Automation of Electric Power Systems，2019，43（14）：136-142.8 吴云芸，方家琨，艾小猛，等.计及多种储能协调运行的数据中心实时能量管理 J.电力自动化设备，2021，41（10）：82-89.WU Yunyun，FANG Jiakun，AI Xiaomeng，et al.Real-time energy management of data center considering coordinated operation of multiple types of energy storage J.Electric Power Automation Equipment，2021，41（10）：82-89.9 刘亚锦，代航，刘志坚，等.面向多类型工业用户的分散式共享03691215182123IT设备;空调;IT设备(DR);空调(DR);时间/h电价/(元(kWh)-1)2004006008001 0001 2001 400电能消耗/kW00.20.40.60.81.01.21.41.6电价图 5最佳电能消耗Fig.5Optimal power consumption48吴云芸，等 计及需求响应的数据中心联盟共享储能规划http：/www.aeps-储能配置及投资效益分析 J.电力自动化设备，2021，41（10）：256-264.LIU Yajin，DAI Hang，LIU Zhijian，et al.Configuration and investment benefit analysis of decentralized shared energy storage for multiple types of industrial users J.Electric Power Automation Equipment，2021，41（10）：256-264.10 国家发展改革委.关于印发 全国一体化大数据中心协同创新体 系 算 力 枢 纽 实 施 方 案的 通 知EB/OL.（2021-05-24）2022-09-05.https：/ Development and Reform Commission.Notice on the issuance of the implementation plan for the arithmetic hub of the national integrated big data center collaborative innovation systemEB/OL.（2021-05-24）2022-09-05.https：/ 张巍，卢骧.点对点交易下储能聚合商共享自营多模式交易模型 J.电力系统自动化，2022，46（2）：15-23.ZHANG Wei，LU Xiang.Sharing and self-operating multi-mode trading model of energy storage aggregators with peer-to-peer trade J.Automation of Electric Power Systems，2022，46（2）：15-23.12 CHANG H C，GHADDAR B，NATHWANI J.Shared community energy storage allocation and optimization J.Applied Energy，2022，318：119160.13 李淋，徐青山，王晓晴，等.基于共享储能电站的工业用户日前优化经济调度 J.电力建设，2020，41（5）：100-107.LI Lin，XU Qingshan，WANG Xiaoqing，et al.Optimal economic scheduling of indust